Projekt · Dnr 2025-00836 · Källa: Vinnova

Kontinuerlig, Aktiv Federated Learning för Dataströmmar

Koordinator
Lindholmen Science Park AB, AI Sweden
Projekttid
2025-06-01 till 2027-05-31 (beslutat)
Beviljat bidrag
3 870 228 SEK
Diarienummer
2025-00836

Beskrivning

Fordon skapar stora mängder data med sina sensorer. Dagens metoder för AI-träning kan medföra risker för integritet och säkerhet om data lagras eller överförs. Nuvarande metoder för federerad inlärning (FL) kräver ofta långvarig datalagring. Projektet syftar till att möjliggöra kontinuerlig, aktiv och säker FL från realtidsdata, säkerställa regelefterlevnad gällande data samtidigt som fordonens egna beräkningsresurser nyttjas bättre. Vi förväntar oss att visa att det är möjligt att använda decentraliserad träning för automatiserad körning från kontinuerliga dataströmmar. Vi förväntar oss att använda och visa metoder för aktiv inlärning och självövervakad inlärning som förbättras kontinuerligt. Vi förväntar oss att resultaten kommer att bidra till regulatoriska diskussioner om dataintegritet, AI-säkerhet och kostnaden för AI-implementering i sammanhanget trafiksäkerhet för automatiserade fordon.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. ESPLANADE - Efficient and Safe Product Lines of Architectures eNabling Autonomous DrivE

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2017-01-01 · 14 892 661 SEK · Projekt

    Projektets mål var att ta fram och validera metodologi för att kunna visa att ett automatiserat vägfordon är säkert, med fokus på områdena människa/fordonsinteraktion, riskanalys, arkitektur och sensorer, samt argumentation för fullständighet i kravhanteringen. Målen har uppnåtts genom att identifie…

  2. SID: Säker datadelning för Industriell Digitalisering

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2023-11-01 · 6 225 250 SEK · Projekt

    Målet med projektet har varit att studera integritetsbevarande tekniker och möjliggöra för svensk industri att i större utsträckning använda dessa metoder. Projektet har genomfört fallstudier med metoderna differentiell integritet och federerad maskininlärning och analyserat hur väl information skyd…

  3. Nästa Generation Virkesmätning

    Svepreg AB · 2023-11-02 · 300 000 SEK · Projekt

    Vi ser att att det går att mäta på det här sättet och mätnoggrannheten ligger i paritet med vad vi förutsåg i våra tidiga simuleringar. Vi har kunnat visa potentiella kunder och intressenter våra resultat, utifrån den data vi har nu, och fått mycket gott gehör från marknaden. Vi har, i och med att k…

  4. SARDIN - Systemdemo, Analys, Resurseffektivitet, Datadelning, Integritetsskydd, Nyttiggörande

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2023-11-01 · 9 738 359 SEK · Projekt

    Projektet visade att decentraliserad databehandling är tekniskt möjlig och juridiskt relevant, och kan bidra till att uppfylla integritetskrav inom EHDS. En systemdemonstrator för decentraliserad analys och integritetsskyddande tekniker (PETs) utvecklades. En spelmetodik togs fram som ett effektivt …

  5. Sjyst data!

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2022-02-01 · 15 959 351 SEK · Projekt

    Sjyst data! möter behovet av att utnyttja data på ett sätt som förenar användarens krav på transparens och integritet, med att skapa nytta för företag och organisationer som vill utveckla datadrivna tjänster. Därför har vi utvecklat Sjyst data! Labbets tjänster och innovationsstöd som konkret bemöte…